CN114550064A - 标准化考场视频监控数据分析系统 - Google Patents

Abstract

本发明属于监控视频处理技术领域，具体的说是标准化考场视频监控数据分析系统，包括监控中心、前端和终端；所述监控中心包括模型生成模块、区块划分模块、分析模块、连接模块、判断模块和数据库，所述模型生成模块、区块划分模块对视频进行分析，得出骨架模型和立体考试网格后交由分析模块分析，分析模块得出的数据交由判断模块进行判断，得出考生的考试状态；本发明能够降低监考人员工作量，及时发现考试人员不符合考场纪律规则的行为，提高考试的公平性，且能够录制考试过程，为考场纠纷的解决提供关键证据和技术支持。

Description

标准化考场视频监控数据分析系统

技术领域

本发明属于监控视频处理技术领域，具体的说是标准化考场视频监控数据分析系统。

背景技术

目前，视频监控越来越广泛的应用于各行各业，我国国家教育考试标准化考点中广泛应用了视频监控，可以防止监考不严、考生作弊等情况，视频监控可有效保证考试的公开、公平和公正。然而现有的电子监考仅通过摄像头将考试过程记录下来，并未对视频信号进行分析，这样电子监考人员压力极大，且不能及时有效发现考场中存在的问题。

同时，这种纯靠监考人员的监督力和责任心的监考方式存在诸多弊端，如：监考人员长时间高强度监考容易视觉疲劳、由于视野受限难以同时监控所有考生行为等等。因此，需要对摄像头拍摄的视频信号进行数据分析，提升监考人员的监考效率，及时发现考试人员不符合考场纪律规则的行为，提高考试的公平性，减轻监考人员的工作量，而且能够录制考试过程，为考场纠纷的解决提供关键证据和技术支持。

发明内容

为了弥补现有技术的不足，解决监考人员工作量大，存在不能及时发现考生不符合考试规则的行为的问题，本发明提出标准化考场视频监控数据分析系统。

本发明解决其技术问题所采用的技术方案是：本发明所述标准化考场视频监控数据分析系统，包括监控中心、前端和终端，所述监控中心用于对视频进行分析、处理，所述前端对视频进行采集，包括但不限于摄像头、拾音器，所述终端为监考人员使用的终端设备如电脑、电视；

所述监控中心包括模型生成模块、区块划分模块、分析模块、连接模块、判断模块和数据库，所述数据库用于保存数据分析系统运行过程中产生的各种数据，所述连接模块用于通过网络收发数据，所述判断模块对考生违规情况进行判断并通过连接模块发送报警信号到终端处，

所述连接模块将接收到的前端拍摄的考试监控视频发送至模型生成模块中，所述模型生成模块包括骨架生成单元，所述模型生成模块在接收到视频之后，对视频中的考生进行采样并通过骨架生成单元生成骨架模型，所述连接模块同步将接收到的考试监控视频发送到区块划分模块中，所述区块划分模块在接收到视频之后，将视频中考生所在的座位进行网格化划分，生成立体考试网格，所述模型生成模块将生成的骨架模型数据发送到分析模块中，所述区块划分模块将生成的立体考试网格数据发送到分析模块中，

所述分析模块在接收到骨架模型数据和立体考试网格数据后，对两者进行分析、计算，所述分析模块将计算结果发送到判断模块中，所述判断模块依据接收到数据对考生违规情况进行判定：若骨架模型持续超出立体考试网格范围超过1min，则判断模块向终端发送考生状态报警信号，通知监考人员前去处理，若骨架模型未超出立体考试网格，则判断模块无动作。

优选的，监考人员在所述终端接收到考生状态报警信号后，对考生状态报警信号进行确认，所述考生状态报警信号被监考人员确认无误时，终端向判断模块发送判断正确信号，所述考生状态报警信号被监控确认错误时，终端向判断模块发送判断错误信号，所述判断模块在接收到终端发送的正确信号后无动作，所述判断模块在接收到终端发送的错误信号后，判断模块记录发出考生状态报警信号时分析模块计算出的结果并保存到数据库中，所述判断模块在下次对分析模块计算出的结果判断后，将该结果与数据库中保存的数据进行比较：若两者一致，则判断模块不发出考生状态报警信号。

优选的，所述骨架模型包括考生的手臂骨骼模型，所述分析模块接收到骨架模型后，对手臂骨骼模型进行分析、计算，得出计算结果，所述判断模块接收到关于手臂骨骼模型的计算结果后，判断考生的手臂骨骼模型位置状态：若手臂骨骼模型存在前后位置上的相互遮挡或规律动作，则判断模块向终端发送考生状态报警信号，若手臂骨骼模型不存在前后位置上的相互遮挡或规律动作，则判断模块无动作，所述终端接收到考生状态报警信号后，监考人员前去对考生状态进行确认。

优选的，所述模型生成模块包括面部识别单元，所述模型生成模块接收到在接收到视频后，对视频中的考生进行采样并通过面部识别单元对考生进行人脸识别，得出考生的人脸朝向数据，所述面部识别单元将考生的人脸朝向数据发送到分析模块，所述分析模块对人脸朝向数据进行分析与模拟，得出考生的人脸朝向预测路径，所述分析模块将人脸朝向预测路径发送到判断模块中，所述判断模块将人脸朝向预测路径据与立体考试网格数据进行综合分析：若考生的人脸朝向预测路径与其他考生所在的立体考试网格相交且持续时间超过1min，则判断模块线终端发出考生状态报警信号，若考生的人脸朝向预测路径与其他考生所在的立体考试网格不相交，则判断模块无动作。

优选的，所述面部识别单元对视频中的考生的眼睛进行视线识别，得出考生的视线朝向方向数据，所述面部识别单元将考生的视线朝向方向数据发送到分析模块，所述分析模块综合对视线朝向方向数据进行分析与模拟，得出考生的视线朝向预测路径，所述分析模块将视线朝向预测路径发送到判断模块中，所述判断模块将视线朝向预测路径与立体考试网格数据进行综合分析：若考生的视线朝向预测路径与其他考生所在的立体考试网格相交且持续时间超过1min，则判断模块向终端发出考生状态报警信号，若考生的视线朝向预测路径与其他考生所在的立体考试网格不相交，则判断模块无动作。

优选的，所述判断模块包括表情识别单元，所述面部识别单元对视频中的考生人脸图像进行归一化预处理，所述面部识别单元将经过预处理的考生人脸图像发送到判断模块中的表情识别单元，所述表情识别单元对归一化预处理后的人脸图像进行微表情识别，得出识别结果，所述识别结果：当考生的微表情呈警惕、恐惧时，判断模块向终端发送考生状态报警信号。

优选的，所述分析模块对接收到的所有的骨架模型进行分析，得出考生的平均动作频率和平均动作幅度范围，所述分析模块对接收到的考生骨架模型进行分析，得出考生的动作频率和动作幅度，所述分析模块将考生的平均动作频率和平均动作幅度范围、考生的动作频率和动作幅度发送到判断模块，所述判断模块将考生的动作频率与平均频率、动作幅度与平均动作幅度分别进行对比：若考生的动作频率和动作幅度超出平均值范围，则判断模块向终端发出考生状态报警信号。

优选的，所述判断单元在发出考生状态报警信号时，对视频进行截取，所述判断单元截取的视频时间范围为判断单元发出考生状态报警信号的前后3min。

本发明的有益效果如下：

1.本发明所述标准化考场视频监控数据分析系统，通过设置模型生成模块、区块划分模块、分析模块和判断模块，由模型生成模块和区块划分模块视频进行分析，得出考生的骨架模型和立体考试网格，之后，由分析模块对两者进行计算与分析并将得出的结果发送到判断模块，通过判断模块对考生在考试时的状态进行分析，及时发现考生的异常行为，降低考生作弊的可能性，提升考试公平性，降低监考人员的工作量。

2.本发明所述标准化考场视频监控数据分析系统，通过设置面部识别单元，对视频进行分析，得出考生的人脸朝向方向和视线朝向方向，通过两个朝向方向的模拟与分析，判断考生有无作弊的行为，同时，面部识别单元还能够对视频进行分析，通过考生面部的微表情在一定程度上判断考生的心理活动情况，提升对考生的考试情况判断的准确性，降低考生作弊的可能性，提升考试公平性，降低监考人员的工作量。

附图说明

下面结合附图对本发明作进一步说明。

图1是本发明的系统框架图；

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

如图1所示，本发明所述标准化考场视频监控数据分析系统，包括监控中心、前端和终端，所述监控中心用于对视频进行分析、处理，所述前端对视频进行采集，包括但不限于摄像头、拾音器，所述终端为监考人员使用的终端设备如电脑、电视；

所述监控中心包括模型生成模块、区块划分模块、分析模块、连接模块、判断模块和数据库，所述数据库用于保存数据分析系统运行过程中产生的各种数据，所述连接模块用于通过网络收发数据，所述判断模块对考生违规情况进行判断并通过连接模块发送报警信号到终端处，

所述连接模块将接收到的前端拍摄的考试监控视频发送至模型生成模块中，所述模型生成模块包括骨架生成单元，所述模型生成模块在接收到视频之后，对视频中的考生进行采样并通过骨架生成单元生成骨架模型，所述连接模块同步将接收到的考试监控视频发送到区块划分模块中，所述区块划分模块在接收到视频之后，将视频中考生所在的座位进行网格化划分，生成立体考试网格，所述模型生成模块将生成的骨架模型数据发送到分析模块中，所述区块划分模块将生成的立体考试网格数据发送到分析模块中，

所述分析模块在接收到骨架模型数据和立体考试网格数据后，对两者进行分析、计算，所述分析模块将计算结果发送到判断模块中，所述判断模块依据接收到数据对考生违规情况进行判定：若骨架模型持续超出立体考试网格范围超过1min，则判断模块向终端发送考生状态报警信号，通知监考人员前去处理，若骨架模型未超出立体考试网格，则判断模块无动作；

工作时，在使用过程中，通过安装在考场中的包括但不限于摄像头、拾音器的前端使用的设备，对考场中的画面进行实时采集，生成监控视频，同时，前端采集到的视频通过有线或无线网络的方式发送监控中心处，而监控中心为运行在云服务器或者本体服务器上的软件程序，另外，监控中心通过连接模块与前端、后端进行连接并交换数据，此外，各监考人员可以通过包括但限于电脑、电视在内的设备连接到监控中心，实时查看考场中正在考试的考生的考试状态以及接受监控中心发出的报警信号，并在接收到报警信号后实地对考生进行检查，尽可能避免考生作弊情况的出现；

同时，在数据分析系统使用的过程中，通过使用模型生成模块对前端采集到的视频进行分析，给出考场中正在考试的考生的骨架模型以及考生所座的作为处的立体考试网格，在生成骨架模型的时候，模型生成模块采用包括但不限于使用了神经融合形状技术的神经网络来快速、自动生成骨架模型，同时，由于正常考生在考试中认真答题，不会有太多的动作以及太大的动作范围，因此，以考生所在的座位为基础生成的立体考试网格应当将以考生为基础生成的骨架模型包括在内，所以，对骨架模型与立体考试网格进行分析，如果出现骨架模型持续超出立体考试网格的情况的出现，可以判断考生的状态存在异常，需要向终端发出考生状态报警信号，从而由监考人员去实地进行查看，降低考生作弊的可能，另外，在考生实际进行考试的过程中，考生存在变换姿势导致自身的骨架模型暂时超出立体考试网格的可能，但是考生不会也不应该一直处于自身的骨架模型超出立体考试网格的情况，所以，对考生的骨架模型超出立体考试网格的情况增加时限，超出时限后才会向终端发出考生状态报警信号，从而降低出现误判的可能性。

作为本发明一种实施方式，监考人员在所述终端接收到考生状态报警信号后，对考生状态报警信号进行确认，所述考生状态报警信号被监考人员确认无误时，终端向判断模块发送判断正确信号，所述考生状态报警信号被监控确认错误时，终端向判断模块发送判断错误信号，所述判断模块在接收到终端发送的正确信号后无动作，所述判断模块在接收到终端发送的错误信号后，判断模块记录发出考生状态报警信号时分析模块计算出的结果并保存到数据库中，所述判断模块在下次对分析模块计算出的结果判断后，将该结果与数据库中保存的数据进行比较：若两者一致，则判断模块不发出考生状态报警信号；

工作时，通过监考人员去实地查看考生的考试状态后，对判断模块给出的结果进行评判，对判断模块给出错误结果的情况进行记录与保存，在之后的使用过程中，对于曾经出现错误结果的情况进行剔除，从而进一步提高数据分析系统给出的结果的准确程度，降低出现误报的可能性。

作为本发明一种实施方式，所述骨架模型包括考生的手臂骨骼模型，所述分析模块接收到骨架模型后，对手臂骨骼模型进行分析、计算，得出计算结果，所述判断模块接收到关于手臂骨骼模型的计算结果后，判断考生的手臂骨骼模型位置状态：若手臂骨骼模型存在前后位置上的相互遮挡或规律动作，则判断模块向终端发送考生状态报警信号，若手臂骨骼模型不存在前后位置上的相互遮挡或规律动作，则判断模块无动作，所述终端接收到考生状态报警信号后，监考人员前去对考生状态进行确认；

工作时，由于在考试时，考生的双手都会位于考生所在的座位的桌面上，且考试时在桌面上不存在任何遮挡的物品，因此，如果考生存在作弊的企图，考生会通过自身的手臂进行一定的遮挡，从而避免监考人员发现自身的作弊行为，因此，通过对手臂骨骼模型的位置状态进行分析与计算，在考生的手臂骨骼模型无前后位置上的相互遮挡时，可以判断考生未进行作弊，同时，由于具有规律的动作、声音是可以传递信息的，所以，如果考生的手臂骨骼模型无规律的动作，也能够判断考生未进行作弊。

作为本发明一种实施方式，所述模型生成模块包括面部识别单元，所述模型生成模块接收到在接收到视频后，对视频中的考生进行采样并通过面部识别单元对考生进行人脸识别，得出考生的人脸朝向数据，所述面部识别单元将考生的人脸朝向数据发送到分析模块，所述分析模块对人脸朝向数据进行分析与模拟，得出考生的人脸朝向预测路径，所述分析模块将人脸朝向预测路径发送到判断模块中，所述判断模块将人脸朝向预测路径据与立体考试网格数据进行综合分析：若考生的人脸朝向预测路径与其他考生所在的立体考试网格相交且持续时间超过1min，则判断模块线终端发出考生状态报警信号，若考生的人脸朝向预测路径与其他考生所在的立体考试网格不相交，则判断模块无动作；

工作时，在考试的过程中，考生实施作弊行为时，考生需要去“看”之后，才能得到考试试题的答案，而在考生“看”的过程中，由于人体的本能反应，考生的面部朝向会不自觉的朝向考生想“看”的考试试题的答案所在，因此，通过面部识别单元对视频中的考生进行人脸识别，得出考生的人脸朝向数据，并通过分析模块进行分析后得出考生的人脸朝向预测路径，之后，对人脸朝向预测路径进行分析，如果人脸朝向预测路径与其他考生所在的立体考试网格相交并持续一段时间，则判断模块能够判断考生的考试状态存在异常，从而发出考生状态报警信号，通知监考人员前去实地查看，降低考生作弊的可能性，同时，对于面部识别单元对考生的人脸朝向的识别可以采用包括但不限于开放式的HeadposeDetector接口，简化数据分析系统的结构与体积，提高数据分析系统的运行效率。

作为本发明一种实施方式，所述面部识别单元对视频中的考生的眼睛进行视线识别，得出考生的视线朝向方向数据，所述面部识别单元将考生的视线朝向方向数据发送到分析模块，所述分析模块综合对视线朝向方向数据进行分析与模拟，得出考生的视线朝向预测路径，所述分析模块将视线朝向预测路径发送到判断模块中，所述判断模块将视线朝向预测路径与立体考试网格数据进行综合分析：若考生的视线朝向预测路径与其他考生所在的立体考试网格相交且持续时间超过1min，则判断模块向终端发出考生状态报警信号，若考生的视线朝向预测路径与其他考生所在的立体考试网格不相交，则判断模块无动作；

工作时，在考生为考试作弊作出充分准备的情况下，考生“看”到考试试题的答案时，存在考生克服自身的本能，使自身的面部朝向与其想要“看”到的考试试题的答案不在一个方向上，但是在这种情况下，考生的眼睛的视线方向一定还是朝向该考试试题的答案所在的方向，因此，还可以通过检测考生的视线方向来发现考生的作弊行为，即对分析得到的视线朝向预测路径与其他考生所在的立体考试网格进行分析，如果两者出现相交并持续一段时间，则判断考生的考试状态存在异常，从而发出考生状态报警信号，通知监考人员前去实地查看，避免考生作弊，另外，在实际使用的过程中，对于考生眼睛的视线朝向方向的识别同样可以采用现有的开放接口，以减小数据分析系统的程序体积，提高系统运行效率，也可以依据：李涛.《基于视频图像处理的视线方向检测的研究与实现》.东南大学.2009，中提供的方法自行编写视线定位算法，对考生的视线朝向方向进行分析与识别。

作为本发明一种实施方式，所述判断模块包括表情识别单元，所述面部识别单元对视频中的考生人脸图像进行归一化预处理，所述面部识别单元将经过预处理的考生人脸图像发送到判断模块中的表情识别单元，所述表情识别单元对归一化预处理后的人脸图像进行微表情识别，得出识别结果，所述识别结果：当考生的微表情呈警惕、恐惧时，判断模块向终端发送考生状态报警信号；

工作时，依据心理学的研究可以得知，人的各种行为动作及微表情可以在一定程度上反映该名人员的心理状态，并从中解读出真实的心态和想法，同时，考生在作弊时，因为作弊被发现会产生严重的后果，考生的会呈现包括但不限于警惕、恐惧的心理状态，因此，通过对考生面部的微表情进行识别后，若考生的微表情呈警惕、恐惧时，可以向终端发送考生状态报警信号，通过监考人员实地进行查看：发现考生正在进行的作弊行为或震慑考生使之不再进行尚未实施的作弊行为，从而减少考生作弊的可能性，同时，对于微表情的识别，同样可以采用现有的开放接口进行使用，也可以自行编写微表情识别算法，但是基于成本以及识别准确度方面的考量，采用现有的开放接口，接入已经成熟的微表情识别算法，能够得到更好的识别准确度，也能降低数据分析系统的开发成本。

作为本发明一种实施方式，所述分析模块对接收到的所有的骨架模型进行分析，得出考生的平均动作频率和平均动作幅度范围，所述分析模块对接收到的考生骨架模型进行分析，得出考生的动作频率和动作幅度，所述分析模块将考生的平均动作频率和平均动作幅度范围、考生的动作频率和动作幅度发送到判断模块，所述判断模块将考生的动作频率与平均频率、动作幅度与平均动作幅度分别进行对比：若考生的动作频率和动作幅度超出平均值范围，则判断模块向终端发出考生状态报警信号；

工作时，通过对考场当前的所有考生或曾经进行考试的所有考生在考试时的动作频率和动作幅度进行分析，得出考生在考试存在的平均动作频率和平均动作幅度范围，因为，考生在进行作弊行为时，鉴于作弊被发现后的严重后果，考生始终处于紧张状态，而根据心理学方面的研究，人处于紧张状态下会有不自觉的动作行为，因此，通过对考场中正在进行考试的考生的动作频率和动作幅度进行分析，若考生的动作频率和动作幅度明显超出了平均值的范围，则向终端发送考生状态报警信号，通知监考人员去实地进行处理，降低考生作弊的可能性，同时，如果监考人员实地查看后，发现考生未进行作弊，监考人员也能确认考生的身体状态，及时给予考生以帮助，避免考生由于过度紧张，出现不良状态，如晕厥、低血糖等。

作为本发明一种实施方式，所述判断单元在发出考生状态报警信号时，对视频进行截取，所述判断单元截取的视频时间范围为判断单元发出考生状态报警信号的前后3min；

工作时，由于考试时拍摄的视频时间长，并且不允许进行更改，以备后续进行检查，因此，在判断单元发出考生状态报警信号的时候，判断单元会同步截取视频，便于后期监考人员进行查看，而监考人员查看未经改动、剪辑的视频前，先观看判断单元截取的视频，从而得知截取视频中的画面情况以及被截取视频在未经改动、剪辑的视频中的具体时间点，从而方便监考人员后期的查看与复核未经改动、剪辑的视频，减轻监考人员的工作量。

具体实施方式如下：

工作时，在使用过程中，通过安装在考场中的包括但不限于摄像头、拾音器的前端使用的设备，对考场中的画面进行实时采集，生成监控视频，同时，前端采集到的视频通过有线或无线网络的方式发送监控中心处，而监控中心为运行在云服务器或者本体服务器上的软件程序，另外，监控中心通过连接模块与前端、后端进行连接并交换数据，此外，各监考人员可以通过包括但限于电脑、电视在内的设备连接到监控中心，实时查看考场中正在考试的考生的考试状态以及接受监控中心发出的报警信号，并在接收到报警信号后实地对考生进行检查；

同时，在数据分析系统使用的过程中，通过使用模型生成模块对前端采集到的视频进行分析，给出考场中正在考试的考生的骨架模型以及考生所座的作为处的立体考试网格，在生成骨架模型的时候，模型生成模块采用包括但不限于使用了神经融合形状技术的神经网络来快速、自动生成骨架模型，同时，由于正常考生在考试中认真答题，不会有太多的动作以及太大的动作范围，因此，以考生所在的座位为基础生成的立体考试网格应当将以考生为基础生成的骨架模型包括在内，所以，对骨架模型与立体考试网格进行分析，如果出现骨架模型持续超出立体考试网格的情况的出现，可以判断考生的状态存在异常，需要向终端发出考生状态报警信号，从而由监考人员去实地进行查看，另外，在考生实际进行考试的过程中，考生存在变换姿势导致自身的骨架模型暂时超出立体考试网格的可能，但是考生不会也不应该一直处于自身的骨架模型超出立体考试网格的情况，所以，对考生的骨架模型超出立体考试网格的情况增加时限，超出时限后才会向终端发出考生状态报警信号；

通过监考人员去实地查看考生的考试状态后，对判断模块给出的结果进行评判，对判断模块给出错误结果的情况进行记录与保存，在之后的使用过程中，对于曾经出现错误结果的情况进行剔除；

由于在考试时，考生的双手都会位于考生所在的座位的桌面上，且考试时在桌面上不存在任何遮挡的物品，因此，如果考生存在作弊的企图，考生会通过自身的手臂进行一定的遮挡，从而避免监考人员发现自身的作弊行为，因此，通过对手臂骨骼模型的位置状态进行分析与计算，在考生的手臂骨骼模型无前后位置上的相互遮挡时，可以判断考生未进行作弊，同时，由于具有规律的动作、声音是可以传递信息的，所以，如果考生的手臂骨骼模型无规律的动作，也能够判断考生未进行作弊；

在考试的过程中，考生实施作弊行为时，考生需要去“看”之后，才能得到考试试题的答案，而在考生“看”的过程中，由于人体的本能反应，考生的面部朝向会不自觉的朝向考生想“看”的考试试题的答案所在，因此，通过面部识别单元对视频中的考生进行人脸识别，得出考生的人脸朝向数据，并通过分析模块进行分析后得出考生的人脸朝向预测路径，之后，对人脸朝向预测路径进行分析，如果人脸朝向预测路径与其他考生所在的立体考试网格相交并持续一段时间，则判断模块能够判断考生的考试状态存在异常，从而发出考生状态报警信号，通知监考人员前去实地查看，同时，对于面部识别单元对考生的人脸朝向的识别可以采用包括但不限于开放式的HeadposeDetector接口；

在考生为考试作弊作出充分准备的情况下，考生“看”到考试试题的答案时，存在考生克服自身的本能，使自身的面部朝向与其想要“看”到的考试试题的答案不在一个方向上，但是在这种情况下，考生的眼睛的视线方向一定还是朝向该考试试题的答案所在的方向，因此，还可以通过检测考生的视线方向来发现考生的作弊行为，即对分析得到的视线朝向预测路径与其他考生所在的立体考试网格进行分析，如果两者出现相交并持续一段时间，则判断考生的考试状态存在异常，从而发出考生状态报警信号，通知监考人员前去实地查看，另外，在实际使用的过程中，对于考生眼睛的视线朝向方向的识别同样可以采用现有的开放接口，也可以依据：李涛.《基于视频图像处理的视线方向检测的研究与实现》.东南大学.2009，中提供的方法自行编写视线定位算法；

依据心理学的研究可以得知，人的各种行为动作及微表情可以在一定程度上反映该名人员的心理状态，并从中解读出真实的心态和想法，同时，考生在作弊时，因为作弊被发现会产生严重的后果，考生的会呈现包括但不限于警惕、恐惧的心理状态，因此，通过对考生面部的微表情进行识别后，若考生的微表情呈警惕、恐惧时，可以向终端发送考生状态报警信号，通过监考人员实地进行查看：发现考生正在进行的作弊行为或震慑考生使之不再进行尚未实施的作弊行为，同时，对于微表情的识别，同样可以采用现有的开放接口进行使用，也可以自行编写微表情识别算法；

通过对考场当前的所有考生或曾经进行考试的所有考生在考试时的动作频率和动作幅度进行分析，得出考生在考试存在的平均动作频率和平均动作幅度范围，因为，考生在进行作弊行为时，鉴于作弊被发现后的严重后果，考生始终处于紧张状态，而根据心理学方面的研究，人处于紧张状态下会有不自觉的动作行为，因此，通过对考场中正在进行考试的考生的动作频率和动作幅度进行分析，若考生的动作频率和动作幅度明显超出了平均值的范围，则向终端发送考生状态报警信号，通知监考人员去实地进行处理，降低考生作弊的可能性，同时，如果监考人员实地查看后，发现考生未进行作弊，监考人员也能确认考生的身体状态，及时给予考生以帮助；

由于考试时拍摄的视频时间长，并且不允许进行更改，以备后续进行检查，因此，在判断单元发出考生状态报警信号的时候，判断单元会同步截取视频，便于后期监考人员进行查看，而监考人员查看未经改动、剪辑的视频前，先观看判断单元截取的视频，从而得知截取视频中的画面情况以及被截取视频在未经改动、剪辑的视频中的具体时间点，从而方便监考人员后期的查看与复核未经改动、剪辑的视频。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.标准化考场视频监控数据分析系统，其特征在于：包括监控中心、前端和终端，所述监控中心用于对视频进行分析、处理，所述前端对视频进行采集，包括但不限于摄像头、拾音器，所述终端为监考人员使用的终端设备如电脑、电视；

所述监控中心包括模型生成模块、区块划分模块、分析模块、连接模块、判断模块和数据库，所述数据库用于保存数据分析系统运行过程中产生的各种数据，所述连接模块用于通过网络收发数据，所述判断模块对考生违规情况进行判断并通过连接模块发送报警信号到终端处，

所述连接模块将接收到的前端拍摄的考试监控视频发送至模型生成模块中，所述模型生成模块包括骨架生成单元，所述模型生成模块在接收到视频之后，对视频中的考生进行采样并通过骨架生成单元生成骨架模型，所述连接模块同步将接收到的考试监控视频发送到区块划分模块中，所述区块划分模块在接收到视频之后，将视频中考生所在的座位进行网格化划分，生成立体考试网格，所述模型生成模块将生成的骨架模型数据发送到分析模块中，所述区块划分模块将生成的立体考试网格数据发送到分析模块中，

所述分析模块在接收到骨架模型数据和立体考试网格数据后，对两者进行分析、计算，所述分析模块将计算结果发送到判断模块中，所述判断模块依据接收到数据对考生违规情况进行判定：若骨架模型持续超出立体考试网格范围超过1min，则判断模块向终端发送考生状态报警信号，通知监考人员前去处理，若骨架模型未超出立体考试网格，则判断模块无动作。

2.根据权利要求1所述标准化考场视频监控数据分析系统，其特征在于：监考人员在所述终端接收到考生状态报警信号后，对考生状态报警信号进行确认，所述考生状态报警信号被监考人员确认无误时，终端向判断模块发送判断正确信号，所述考生状态报警信号被监控确认错误时，终端向判断模块发送判断错误信号，所述判断模块在接收到终端发送的正确信号后无动作，所述判断模块在接收到终端发送的错误信号后，判断模块记录发出考生状态报警信号时分析模块计算出的结果并保存到数据库中，所述判断模块在下次对分析模块计算出的结果判断后，将该结果与数据库中保存的数据进行比较：若两者一致，则判断模块不发出考生状态报警信号。

3.根据权利要求1所述标准化考场视频监控数据分析系统，其特征在于：所述骨架模型包括考生的手臂骨骼模型，所述分析模块接收到骨架模型后，对手臂骨骼模型进行分析、计算，得出计算结果，所述判断模块接收到关于手臂骨骼模型的计算结果后，判断考生的手臂骨骼模型位置状态：若手臂骨骼模型存在前后位置上的相互遮挡或规律动作，则判断模块向终端发送考生状态报警信号，若手臂骨骼模型不存在前后位置上的相互遮挡或规律动作，则判断模块无动作，所述终端接收到考生状态报警信号后，监考人员前去对考生状态进行确认。

4.根据权利要求1所述标准化考场视频监控数据分析系统，其特征在于：所述模型生成模块包括面部识别单元，所述模型生成模块接收到在接收到视频后，对视频中的考生进行采样并通过面部识别单元对考生进行人脸识别，得出考生的人脸朝向数据，所述面部识别单元将考生的人脸朝向数据发送到分析模块，所述分析模块对人脸朝向数据进行分析与模拟，得出考生的人脸朝向预测路径，所述分析模块将人脸朝向预测路径发送到判断模块中，所述判断模块将人脸朝向预测路径据与立体考试网格数据进行综合分析：若考生的人脸朝向预测路径与其他考生所在的立体考试网格相交且持续时间超过1min，则判断模块线终端发出考生状态报警信号，若考生的人脸朝向预测路径与其他考生所在的立体考试网格不相交，则判断模块无动作。

5.根据权利要求4所述标准化考场视频监控数据分析系统，其特征在于：所述面部识别单元对视频中的考生的眼睛进行视线识别，得出考生的视线朝向方向数据，所述面部识别单元将考生的视线朝向方向数据发送到分析模块，所述分析模块综合对视线朝向方向数据进行分析与模拟，得出考生的视线朝向预测路径，所述分析模块将视线朝向预测路径发送到判断模块中，所述判断模块将视线朝向预测路径与立体考试网格数据进行综合分析：若考生的视线朝向预测路径与其他考生所在的立体考试网格相交且持续时间超过1min，则判断模块向终端发出考生状态报警信号，若考生的视线朝向预测路径与其他考生所在的立体考试网格不相交，则判断模块无动作。

6.根据权利要求5所述标准化考场视频监控数据分析系统，其特征在于：所述判断模块包括表情识别单元，所述面部识别单元对视频中的考生人脸图像进行归一化预处理，所述面部识别单元将经过预处理的考生人脸图像发送到判断模块中的表情识别单元，所述表情识别单元对归一化预处理后的人脸图像进行微表情识别，得出识别结果，所述识别结果：当考生的微表情呈警惕、恐惧时，判断模块向终端发送考生状态报警信号。

7.根据权利要求1所述标准化考场视频监控数据分析系统，其特征在于：所述分析模块对接收到的所有的骨架模型进行分析，得出考生的平均动作频率和平均动作幅度范围，所述分析模块对接收到的考生骨架模型进行分析，得出考生的动作频率和动作幅度，所述分析模块将考生的平均动作频率和平均动作幅度范围、考生的动作频率和动作幅度发送到判断模块，所述判断模块将考生的动作频率与平均频率、动作幅度与平均动作幅度分别进行对比：若考生的动作频率和动作幅度超出平均值范围，则判断模块向终端发出考生状态报警信号。

8.根据权利要求1所述标准化考场视频监控数据分析系统，其特征在于：所述判断单元在发出考生状态报警信号时，对视频进行截取，所述判断单元截取的视频时间范围为判断单元发出考生状态报警信号的前后3min。

Images